PREDIKSI PERILAKU SISWA SMK N 2 SURAKARTA
MENGGUNAKAN METODE
NAÏVE BAYES
PUBLIKASI ILMIAH
Disusun sebagai salah satu syarat menyelesaikan Jenjang Strata I pada Jurusan Informatika Fakultas Komunikasi dan Informatika
Oleh:
RAHMANIA SHALIHAH
L 200 120 153
PROGRAM STUDI INFORMATIKA
FAKULTAS KOMUNIKASI DAN INFORMATIKA
UNIVERSITAS MUHAMMADIYAH SURAKARTA
PREDIKSI PERILAKU SISWA SMK N 2 SURAKARTA
MENGGUNAKAN METODE NAÏVE BAYES
Abstrak
Sebagai sarana masyarakat, sekolah menampung berbagai macam siswa dengan latar belakang kepribadian yang berbeda. Dengan latar belakang kepribadian yang berbeda tersebut dapat memungkinkan para siswa mengalami berbagai masalah. Perilaku siswa yang bermasalah merupakan persoalan yang seharusnya dapat membuat para pengajar saat ini peduli. Siswa dengan masalah membutuhkan perhatian khusus dari pihak sekolah yang bertugas untuk membantu memecahkan masalah para siswa. Selain itu, perilaku bermasalah membuat kinerja di sekolah tertunda dan terganggu. Bahkan dapat mengurangi kepercayaan masyarakat akan kualitas dari sekolah tersebut. Sehingga diperlukan sebuah sistem pemprediksi siswa yang mempunyai potensi membuat masalah dengan menggunakan metode naive bayes yang nantinya akan dibina dan dibimbing oleh pihak sekolah. Teknik data mining yang digunakan dalam memprediksi siswa ini menggunakan metode Naive Bayes. Metode Naïve Bayes dimanfaatkan untuk memprediksi bahwa siswa tersebut berpotensi membuat masalah atau tidak, variabelyang digunakan terdiri dari Jurusan, nilai IQ, nilai stabilitas emosi, nilai hubungan sosial dan nilai kepercayaan diri. Penelitian ini menghasilkan sebuah sistem aplikasi yang dapat membantu pihak sekolah dalam memprediksi dan meminimalisir siswa yang berpotensi membuat masalah.
Kata Kunci: data mining, naïve bayes, siswa bermasalah, sekolah.
Abstract
Public school as a means of accommodating diverse backgrounds of students with different personalities. With a background of a different personality may allow students to experience a variety of problems. Bad behavior is an issue that should be the concern of teachers today. Students with bad behavior require special attention from the school authorities which served to help solve the problems of the students. Moreover, it makes the performance of school will be delayed and disrupted. It can even reduce public confidence in the quality of the school. So, we need a system predictor of students is potentially create problems using Naive Bayes that will be nurtured and mentored by the school. Data mining technique that are used in predicting these students is Naive Bayes method. Naïve Bayes used to predict that the student could potentially create a problem or not, the variables used are the Department, IQ scores, emotional stability values, the value of social relationships and the value of self-confidence. Results from this study is an application system that can help the school in predicting and minimizing potential students make trouble.
Keyword : data mining, naïve bayes, troubled students, school
1.PENDAHULUAN
Kementrian Pendidikan dalam menyiapkan lulusan siswa SMK untuk membangun sebuah kurikulum yang dapat memberikan keahlian kepada siswa, salah satunya adalah SMK Negeri 2 Surakarta yang menampung berbagai macam latar belakang dan kepribadian siswa yang berbeda. Dengan latar belakang dan kepribadian yang berbeda tersebut dapat memungkinkan para siswa mengalami berbagai masalah, seperti melanggar peraturan. Tidak sedikit siswa yang melanggar peraturan tata tertib di sekolah tersebut.
.
Tabel 1. Data pelanggaran siswa tahun 2014
Jenis Pelanggaran Jumlah siswa
yang melanggar
Tidak memakai seragam sesuai aturan yang berlaku 60
Tidak berpakaian rapi dan sopan 14
Terlambat masuk sekolah/dipulangkan, 36
Membawa dan merokok di lingkungan Sekolah 5
Perkelahian antar pelajar 3
Tidak masuk tanpa keterangan lewat tiga hari 24
Masalah yang dialami mereka seringkali membuat siswa tersebut sulit untuk melakukan
adaptasi sosial atau menyesuaikan diri dalam suatu lingkungan. Perilaku siswa yang bermasalah
merupakan sebuah persoalan yang seharusnya menjadi kepedulian para pengajar saat ini. Siswa
dengan masalah membutuhkan perhatian khusus. Oleh karena itu, pihak sekolah bertugas untuk
membantu memecahkan masalah para siswa. Selain itu, siswa bermasalah membuat kinerja di
sekolah tertunda dan terganggu. Bahkan dapat mengurangi kepercayaan masyarakat akan kualitas
dari sekolah tersebut.
Dalam suatu lembaga seperti sekolah, siswa dapat dikatakan telah melakukan
penyimpangan apabila tidak mentaati tata tertib yang ada disekolah. Bentuk-bentuk perilaku
menyimpang yang terjadi disekolah antara lain: a) Rambut disemir, b) Rambut panjang bagi siswa
putra, c) Merokok, d) Mentato kulit, e) Mencuri, f) Berkelahi, g) Pergaulan bebas, h) Merusak
sepeda/motor temannya, i) Sering membolos, j) Tidak disiplin, k) Tidak masuk sekolah, l)
Bermain PS pada waktu jam pelajaran, m) Ramai didalam kelas, dan n) Mengotori kelas dan
halaman sekolah (Asmani, 2012).
Perilaku bermasalah pada siswa yang umumnya masih remaja berkaitan dengan
perkembangan kepercayaan diri pada siswa tersebut, dimana memiliki peran besar yaitu kepercayaan
Kecerdasan intelektual merupakan kemampuan melakukan berbagai aktivitas, seperti mental
dalam berfikir, menalar dan dalam memecahkan masalah (Dwijayanti, 2009). Kecerdasan emosi
adalah kemampuan mengatur emosi dengan baik dalam mempengaruhi suatu hubungan dengan
orang lain dan mengelola diri sendiri pada hal-hal yang positif. Siswa yang prestasinya baik
memiliki nilai kecerdasan emosi yang tinggi. Hal tersebut dapat dibuktikan dari perilaku siswa
tersebut terhadap guru dan teman-temannya. Siswa yang memiliki kecerdasan emosional tinggi
akan memiliki IQ yang tinggi pula (Nurhidayah, 2011).
Stabilitas emosi adalah sebuah proses di mana kepribadian seseorang untuk menunjukkan
rasa emosional yang baik antara psikis maupun pribadi (Simon dalam Chaturvedi & Chander, 2010).
Terdapat hubungan negatif yang sangat signifikan antara perilaku agresi dengan kecerdasan emosi.
Semakin rendah perilaku agresi maka kecerdasan emosi semakin tinggi. Sebaliknya, semakin
tinggi perilaku agresi maka kecerdasan emosi akan semakin rendah (Setiawati, 2015). Hal ini dapat
disimpulkan bahwa stabilitas emosi berbanding lurus dengan kecerdasan emosi.
Kompetensi sosial merupakan kemampuan serta perilaku yang meliputi aspek sosial dan
emosional yang dibutuhkan anak-anak untuk dapat menyesuaikan diri secara baik dengan
masyarakat (Welsh & Beirman, 2011). Terdapat hubungan positif yang sangat signifikan antara
kompetensi sosial dengan kepercayaan diri. Hal ini menunjukkan bahwa semakin tinggi kompetensi
sosial maka kepercayaan diri semakin tinggi pula. Sebaliknya, semakin rendah kompetensi sosial
maka kepercayaan diri juga akan semakin rendah (Santoso, 2015).
Banyak yang menggunakan metode Naïve Bayes dalam melakukan penelitian untuk
memprediksi suatu persoalan tertentu. Shaleh (2015) mengatakan bahwa setiap mahasiswa tingkat
akhir di Universitas Potensi Utamamemiliki kewajiban untuk mengikuti English Profeciency Test,
yaitu tes untuk mengukur kemahiran mahasiswa dalam menguasai bahasa inggris. Penelitian ini
dilakukan dengan menggunakan implementasi metode klasifikasi Naive Bayes untuk memprediksi
dan mengklasifikasikan mahasiswa yang lulus dalam mengikuti tes tersebut. Persentase keakuratan
klasifikasi sebesar 98%. Dari 50 data yang diuji terdapat 49 data mahasiswa yang telah berhasil
diklasifikasikan secara tepat.
Bustami (2013) mengatakan banyaknya nasabah yang sering menunda dalam membayar
sejumlah uang yang harus dibayarkan setiap bulannya atau istilah lain adalah premi, menimbulkan
sebuah permasalahan dalam perusahaan asuransi. Premi merupakan sebuah kewajiban dari
tanggung jawab atas keikutsertaan pada sebuah asuransi. Dengan menggunakan teknik data mining
akan bergabung dalam membayar premi. Dengan menggunakan algoritma Naive Bayes
menghasilkan sistem klasifikasi data nasabah yang dapat menampilkan informasi klasifikasi lancar,
kurang lancar atau tidak lancarnya calon nasabah dalam membayar premi asuransi nantinya.
Sehingga hal ini dapat membantu perusahaan asuransi dalam memilah nasabah yang lama dalam
melakukan pembayaran.
Wang (2016) mengungkapkan bahwa dalam era kustomisasi yang terus membesar
berdasarkan kebutuhan pelanggan, metode klasifikasi yang disebut MP-NB (i.e. Map Reduce-based
Naive Bayes), yaitu peta pengurangan berbasis Naive Bayes yang diusulkan untuk memproses Cria
(i.e. Customer Requirement Information Acquisition) seperti kebutuhan pelanggan dan perolehan
informasi klasifikasi data seluler dalam skala besar menggunakan sistem berbasis Hadoop. X untuk
menyimpan Cria pada HDFS. Kombinasi dengan teori standarisasi Cria ini menggunakan peta
pengurangan kerangka komputasi terdistribusi untuk mencapai paralelisasi naive bayes. Menurut
tingkat pengolahan, percobaan ekstensif tentang gigabyte informasi persyaratan ponsel realistis
diklasifikasikan pada Hadoop. Dan hasilnya menunjukkan bahwa MP-NB ditandai dengan efisiensi
unggul dan skalabilitas yang baik.
Baradwadj & Pal (2011) mengatakan tujuan utama dari lembaga pendidikan tinggi adalah
untuk menyediakan pendidikan berkualitas untuk mahasiswa. Salah satu cara untuk mencapai tingkat
kualitas dalam sistem pendidikan tinggi adalah dengan memprediksi hasil kerja siswa. Dalam
penelitian ini, dilakukan klasifikasi untuk mendapatkan hasil pengetahuan yang menggambarkan
kinerja siswa dalam ujian akhir semester. Hal ini membantu dalam mengidentifikas siswa yang
putus sekolah dan membutuhkan perhatian khusus, sehingga memungkinkan guru untuk memberikan
konseling yang sesuai.
Berdasarkan telaah beberapa penelitian tersebut diatas, diketahui bahwa penggunaan metode
Naïve Bayes dapat digunakan dalam penelitian untuk memprediksi suatu kejadian yang akan datang.
Metode naïve bayes merupakan salah satu teknikdata mining untuk memanfaatkan data yang sangat
banyak sebagai sumber informasi yang tepat dalam pengklasifikasian data. Penggunaan data mining
dapat membantu perusahaan atau suatu lembaga yang dapat digunakan dalam pengambilan sebuah
keputusan. (Nugroho, 2014).
Sehingga dalam penelitian ini data yang didapat dari SMK N 2 Surakarta akan digunakan
sebagai data pelatihan untuk memprediksi potensi perilaku siswa baru nantinya. Naïve Bayes
bermasalah, yang nantinya akan dibina dan dibimbing oleh pihak sekolah sehingga dapat membantu
pihak sekolah dalam memprediksi dan meminimalisir siswa yang berpotensi membuat masalah.
2.METODE
2.1 Analisis Data
Pada tahap ini dilakukan pengolahan dan analisis terhadap data yang telah dikumpulkan
berdasarkan variabel data siswa yang telah ditentukan melalui acuan studi pustaka untuk
memprediksi potensi perilaku siswa.
2.1.1 Pengumpulan Data
Data yang digunakan dalam penelitian ini adalah data pelanggaran siswa sebagai data training atau
data pelatihan. Sedangkan data testing atau data uji didapat dari data nilai psikotest siswa.
2.1.1.1 Data Pelatihan
Data pelatihan adalah data yang dijadikan untuk mempelajari pola yang ditimbulkan akibat data
sekolah yang telah diketahui sebelumnya. Data pelatihan didapat dari data pelanggaran siswa dan
nilai psikotest. Variabel yang digunakan adalah jurusan, nilai IQ, nilai stabilitas emosi, nilai
kepercayaan diri, nilai hubungan sosial dan potensi perilaku.
2.1.1.2 Data Uji
Data uji merupakan data yang belum terjadi. Data ini diambil dari data nilai psikotest siswa. Variabel
yang diambil yaitu jurusan, nilai IQ, nilai stabilitas emosi, nilai kepercayaan diri, nilai hubungan
sosial. Sehingga akan diprediksi apakah siswa baru nantinya berpotensi berperilaku bermasalah atau
tidak.
2.2 Kebutuhan Data
Tahap ini dilakukan untuk menentukan kebutuhan data yang diperlukan dalam penelitian yang akan
membantu pengembangan sistem. Variabel yang dibutuhkan dalam penelitian ini, yaitu :
2.3 Pembersihan Data
Pembersihan data dilakukan agar data sesuai dengan kebutuhan sistem. Sehingga data yang diperoleh
tidak terjadi noise atau ketidakkonsistenan data saat pengujian aplikasi ini. Pembersihan data
dilakukan dengan menyesuaikan komponen variabel sesuai dengan kebutuhan sistem.
2.4 Penggunaan Metode Naïve Bayes
Menurut Prasetyo (2012) Metode bayes dapat diartikan suatu teknik dalam memprediksi dengan
menggunakan probabilitas yang sederhana dalam mencari tingkat akurasi berdasarkan pada teorema
bayes yang diterapkan dengan memperhitungkan independensi yang kuat. Independensi yang kuat adalah keadaan pada sebuah data yang tidak saling terkait dengan ada atau tidaknya data yang sama.
Naïve bayes juga berkaitan pada korelasi hipotesis, metode klasifikasi, dan hasil bukti dengan klasifikasi bahwa dengan meggunakan metode ini, kelas akan menjadi target pemetaan dalam klasifikasi, sedangkan bukti merupakan fitur-fitur yang menjadi masukan dalam model klasifikasi.
Penelitian dengan menerapkan metode Naive Bayes dalam mencari tingkat probabilitas
tertinggi dari variabel setiap kemungkinan potensi perilaku siswa. Data sampel pelatihan diambil
sebanyak 400 data siswa, oleh karena itu perulangan pencarian confidence dilakukan sebanyak
jumlah data pelatihan yang telah diperoleh.
3. HASILDANPEMBAHASAN
Data yang diperoleh ada dua jenis yaitu data training dan data testing dengan variabel yaitu jurusan,
nilai IQ, nilai stabilitas emosi, nilai kepercayaan diri, nilai hubungan sosial dan potensi perilaku
siswa. Pada tabel 3 adalah data training yang merupakan potongan data training yang digunakan
sebagai data pendukung aplikasi ini dan data tabel 4 adalah potongan data testing.
Tabel 4. Data Uji
Sistem melakukan perhitungan dengan menggunakan Naive Bayes, untuk setiap variabel
menghasilkan nilai confidence pada variabel Y. Prediksi yang dinyatakan oleh sistem berdasarkan
nilai terbesar. P(Y=Tidak bermasalah) =242 / 400 = 0,6025
2) Menghitung nilai probabilitas variabel X terhadap variabel Y
P(X1=RPL | Y= Bermasalah) = 13 / 158 = 0,0822 P(X2=700-799 | Y= Bermasalah) = 4 / 158 = 0,0253 P(X3= 600| Y= Bermasalah) = 84 / 158 = 0,5316 P(X4=400 | Y= Bermasalah) = 43 / 158 = 0,2721 P(X5=400 | Y= Bermasalah) = 71/158 = 0,4493
P(X1=RPL | Y= Tidak bermasalah) = 32 / 242 = 0,1323
Dari hasil perhitungan menggunakan rumus HMAP, nilai probabilitas tertinggi diperoleh pada P (
3.1 Tampilan Program
Tampilan depan atau tampilan home website merupakan tampilan yang berada paling awal ketika
user membuka web sistem prediksi siswa yang berisi penjelasan singkat mengenai tujuan dibuatnya
sistem. Pada halaman ini terdapat beberapa menu yang disediakan antara lain menu Beranda,
Sekilas, Pengujian dan Admin.
Gambar 1. Tampilan Halaman Awal
Pada menu Sekilas terdapat keterangan mengenai penilaian dari kategori IQ, kepribadian,
dan keterangan jurusan siswa, berdasarkan data yang diperoleh dari SMK N 2 Surakarta yang
Gambar 3 merupakan menu pengujian. Tampilan menu saat user memasukkan data
sesuai pilihan atribut yang ditampilkan sistem untuk menguji atau memprediksi potensi siswa.
Gambar 3. Form pengujian data
Gambar 4 adalah hasil proses pengujian. Sistem memproses informasi berdasarkan data
testing yang telah diisi dan hasil prediksi potensi perilaku siswa berdasarkan perhitungan nilai
confidence.
Gambar 4. Tampilan Hasil dari proses
Gambar 5 merupakan tampilan menu admin, dimana halaman baru dapat diakses setelah admin
Gambar 5. Tampilan login
Gambar 6 menunjukkan tampilan menu admin setelah login yang dapat digunakan untuk
melihat data training, mengubah data dan menghapus data.
Gambar 6. Form menu admin
Gambar 7 merupakan menu input untuk menambah data training. User admin dapat
Gambar 7. Form menu input
4.PENUTUP
Berdasarkan hasil penelitian, maka penulis dapat menarik kesimpulan bahwa:
1) Aplikasi data mining berbasis web berhasil dibangun dalam membantu sekolah
memprediksi potensi perilaku siswa.
2) Penelitian menggunakan metode naive bayes dalam memprediksi potensi perilaku siswa
dinilai berhasil karena metode tersebut memiliki nilai keakuratan yang tinggi dan hasilnya
dapat dilihat berdasarkan confidence tertinggi.
DAFTAR PUSTAKA
Asmani, Jamal. (2012). Kiat Mengatasi Kenakalan Remaja di Sekolah. Yogyakarta : Buku Biru.
Baradwaj, B. Kumar, Pal, Sauraph. (2011). Mining Educational Data to Analyze Students
Performance. International Journal of Advancedand Information (IJACSA) Vol. 2, No. 6, 2011, pp 63-69.
Bustami. (2013). Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah
Asuransi. TECHSI : Jurnal Penelitian Teknik Informatika.
Chaturvedi, M., & Chander, R. (2010). Development Of Emotional Stability
Scale. Journal Industrial Psychiatry of India, Vol 19 No 1, 37-40.
Nugroho, Yusuf Sulistyo. 2014. Klasifikasi Masa Studi Mahasiswa Fakultas Komunikasi dan
Informatika. Jurnal Komunikasi dan Teknologi Informasi (KomuniTi) ISSN: 2087-085X,
VolumeVI No. I Maret 2014.
Nurhidayah, Diana. (2013). Pengaruh Kecedasan Inteletual dan Kecerdasan Emosional terhada
Prestasi Siswa kelas XI Akuntansi pada Mata Pleajaran Akuntansi di SMK Negeri 1 Surabaya. Fakultas Ekonomi Universitas Negeri Surabaya.
Prasetyo, Eko. (2012). Data Mining Konsep dan Aplikasi menggunakan MATLAB. Penerbit Andi.
Santoso, Dwi Ardriyanto. (2015). Hubungan antara Kepercayaan diri dengan Kompetensi Sosial pada Siswa SMPN 16 Surakarta. Surakarta: Fakultas Psikologi Universitas Muhammadiyah Surakarta.
Setiawati, Rina. (2015). Hubungan antara Kecerdasan Emosi dengan Perilaku Agresi Siswa.
Surakarta: Fakultas Psikologi Universitas Muhammadiyah Surakarta.
Shaleh, Alfa. (2015). Penerapan Data Mining dengan Metode Klasifikasi Naive Bayes untuk
Memprediksi Kelulusan Mahasiswa dalam Mengikuti English Proficiency Test di Unversitas Potensi Utama. Medan: Fakultas Teknik Informatika Universitas Potensi Utama.
Wang, Xinggang. (2016). Classification Of Customer Requirements On Map Reduce-Based Naïve
Bayes. IEEE International Conference on Big Data Analysis (ICBDA), Hangzhou, China, 2016, pp. 1-4.
Welsh, Janet A. & Beirman, Karen L. (2011). Social competence. Encyclopedia childhood